Clasificación y detección de seis mamíferos del Ecuador utilizando la arquitectura de Deep Learning Yolov8

Abstract

El uso de modelos de Deep Learning para la automatización del monitoreo de animales cumple un rol fundamental para la preservación de las especies. El rendimiento de la red neuronal depende de la base de datos con la que se entrene y la configuración de los hiperparámetros. El proyecto se enfoca en el desarrollo de un clasificador que realice la detección de 6 mamíferos (Alouatta seniculus , Leopardus pardalis , Panthera onca , Puma concolor, Tayassu tajacu y Tapirus terrestre) utilizando la arquitectura de Yolov8. Se recopiló alrededor de 2000 imágenes por cada especie del portal digital iNaturalist y se generó 2 imágenes artificiales por cada original. Con el fin de lograr un modelo que compense velocidad de detección, precisión y carga computacional, se experimentó con las diferentes versiones de yolov8 y se varió el tamaño de batch...